[发明专利]基于深度神经网络的汽车损伤检测方法和系统

权利要求书

1.一种基于深度神经网络的汽车损伤检测方法，其特征在于，包括：

获取特定角度的汽车损伤检测照片，其中，所述汽车损伤检测照片为四角照片或六角照片，所述四角照片为相对所述汽车的左前、左后、右前和右后四个角度的照片；所述六角照片为相对于所述汽车的左前、左后、右前和右后四个角度以及前、后、左、右四个角度中的任意两个角度的照片；

对所述汽车损伤检测照片进行外观部件分割，并确定每一外观部件的位置和类型；

对所述汽车损伤检测照片进行特征提取，获取汽车的车辆姿态和车型信息，具体包括：

通过深度卷积神经网络提取所述汽车损伤检测照片的特征；

连接全连接层网络对所述汽车损伤检测照片进行分类，确定所述汽车的车辆姿态；

将所述汽车损伤检测照片的特征与预设车型库的车型特征进行匹配，确定所述汽车的车型信息；

其中，所述汽车损伤检测照片为四角照片时，全连接层网络进行四分类，所述汽车损伤检测照片为六角照片时，全连接层网络进行六分类；

根据所述汽车的车辆姿态和车型信息确定对应的深度卷积神经网络；

利用所述深度卷积神经网络对每一所述外观部件进行损伤检测；

对所有所述外观部件的损伤检测结果进行融合评估，并输出所述汽车的损伤部件及置信度，具体包括：

根据所述汽车的车型信息和车辆姿态，构建与所述损伤精准区域对应的空间关系；

确定所述汽车的损伤部件，并根据置信度算法确定所述损伤部件的置信度。

2.根据权利要求1所述的基于深度神经网络的汽车损伤检测方法，其特征在于，所述对所述汽车损伤检测照片进行外观部件分割，并确定每一外观部件的位置和类型具体为：利用分割算法对所述汽车损伤检测照片进行外观部件分割，并确定分割后的所述外观部件在所述汽车中的位置和所述外观部件的类型。

3.根据权利要求1所述的基于深度神经网络的汽车损伤检测方法，其特征在于，所述利用深度卷积神经网络对每一所述外观部件进行损伤检测具体包括：

根据分割出的每一所述外观部件的位置和类型对所述外观部件进行切分；

利用深度卷积神经网络对每一所述外观部件进行抽象特征提取；

根据提取出的抽象特征，利用区域候选网络选取候选损伤区域；

从所述候选损伤区域回归损伤的精准区域。

4.一种基于深度神经网络的汽车损伤检测系统，其特征在于，应用如权利要求1至3中任一项所述的基于深度神经网络的汽车损伤检测方法，包括：

照片采集模块，用于获取特定角度的汽车损伤检测照片；

照片分割模块，用于对所述汽车损伤检测照片进行外观部件分割，并确定每一外观部件的位置和类型；

损伤检测模块，用于利用深度卷积神经网络对每一所述外观部件进行损伤检测；

损伤评估模块，用于对所有所述外观部件的损伤检测结果进行融合评估，并输出所述汽车的损伤部件及置信度。

5.根据权利要求4所述的基于深度神经网络的汽车损伤检测系统，其特征在于，还包括：

特征提取模块，用于对所述汽车损伤检测照片进行特征提取，获取汽车的车辆姿态和车型信息；

损伤检测模块根据所述特征提取模块获取的所述汽车的车辆姿态和车型信息确定对应的深度卷积神经网络，以利用所述深度卷积神经网络对所述损伤部件进行损伤检测。